腾讯 Robotics X 轮腿式机器人

腾讯Robotics X轮腿式机器人Ollie亮相ICRA 2021,展示了双轮平衡、多模态移动等运动能力。它兼具轮式与腿部优势,越障能力强。相关研究论文被收录。Ollie集成拓展实验室技术,在运动规划与控制上有突破,目前处于研发阶段,未来将拓展功能走进更多场景。

转载原文链接-
腾讯 Robotics X 轮腿式机器人 Ollie 亮相 ICRA 2021,花滑空翻样样行

6月1日,腾讯 AI Lab 及 Robotics X 实验室主任张正友博士在机器人行业顶会 ICRA 2021 做大会报告,分享了实验室在机器人移动研究领域的布局与进展。实验室研发中的轮腿式机器人Ollie首次对外展示,在视频中表现了双轮平衡、多模态移动、跳跃、360度空翻等运动能力。
在这里插入图片描述

轮腿式机器人(wheel-legged robot)兼具轮式优势和腿部能力,平地移动快、效率高、噪音低,借助腿部能力则能完成适应不平地面、跳跃通过台阶等动作,越障能力强。视频中,Ollie就像技巧高超的花滑高手,不仅能在多种地形上平稳滑动,还能灵活越障,秀出花式动作。

相关研究论文被 ICRA 2021 收录,介绍轮腿式机器人平衡控制器的设计思路与实验结果。ICRA 全称 IEEE International Conference on Robotics and Automation(国际机器人与自动化会议),是机器人领域最有影响力的国际学术会议之一。
在这里插入图片描述

要让机器人应对复杂地形,跳跃能力不可或缺。最低身高只有35厘米的Ollie,可以跳上40厘米的台阶,竖直起跳高度最高可达60厘米。
在这里插入图片描述

双轮模式下,机器人与地面只有两个接触点,对平衡能力提出更大挑战。在变换身高过不平整地面和面对外界干扰时,Ollie 都能完美保持平衡。
在这里插入图片描述

实验室还初步探索了 Ollie 的负载能力,实现在三轮稳定模态下搭载机械臂,完成简单操作任务。
集成并拓展实验室移动技术

Ollie 在机械本体、整机系统与控制软件上集成迭代了实验室技术积累,并重点在运动规划与控制上突破创新,新增的全身动力学控制与整机参数辨识提升了机器人运动的精准度、灵活度以及柔顺性,拓展了实验室的移动技术布局。

Ollie的机械设计大有玄机:单腿采用并联机构,与身体形成五连杆结构,使整体具有结构简单、动态性能高、爆发力强的特点;“尾巴”的独特设计一方面为Ollie提供额外角动量,助其完成更高动态运动,如空翻。同时“尾巴”可充当第三条腿,增加稳定性,为搭载机械臂完成更多任务提供可能。

非线性控制技术让机器人具备良好的平衡能力,此前实验室研发的自平衡自行车已应用同类技术,在静止及行进状态下均保持平衡不倒。针对轮腿式机器人的形态和特点,适应性地应用非线性控制方法,控制器不再受限于模型的可线性化区间内,使机器人 Ollie 在大角度倾斜时也具有良好的平衡能力和鲁棒性。

全身动力学控制则让 Ollie 实现更具挑战的运动,如在空翻落地和抗打击时,面对突如其来的巨大冲击,Ollie 能“以柔克刚”。这套控制技术基于机器人全身动力学,采用最优化方法求得全身各关节力矩,通过电机的力矩控制,实现机器人的全身姿态控制,提升抗外界干扰的能力。

Ollie 能够完成跳跃和空翻,得益于其出色的轨迹规划能力。在完成这些动作时,Ollie 提前“想好”运动轨迹,即如何应用自身的形态和结构特点,最大程度地发挥关节电机性能来实现目标运动。Ollie 以全身动力学模型为基础,将整个跳跃或空翻过程分解为起跳、飞行、落地三个阶段,通过优化手段得到完成整个运动的关节电机位置、速度和关节力矩的参考值序列,再结合全身动力学控制完成了一系列高动态动作。
在这里插入图片描述

目前 Ollie 还处于研发阶段,实验室将基于轮腿式机器人平台的机动性特点,拓展平台上感知、负载等各功能模块搭建,让机器人具备更成熟、更丰富的能力,走进更多生活场景,向人机共存、共创、共赢的未来不断迈进。

<think>好的,我现在需要帮助用户找到关于四差速机器人在MATLAB中的仿真方法或代码示例。首先,用户的问题明确提到了四差速机器人,并且希望得到MATLAB的仿真代码示例。我需要结合用户提供的引用内容,特别是引用3提到的移动机器人仿真工具箱,这可能是一个关键资源。 首先,我需要回忆四差速机器人的基本运动学模型。四差速通常指左右两侧子分别由两个电机控制,通过调整左右的转速差来实现转向。运动学模型中,线速度和角速度与左右转速的关系是关键。线速度v可能是左右速度的平均值,而角速度ω则与左右速度差和距有关。公大概是v = (v_left + v_right)/2,ω = (v_right - v_left)/L,其中L是距。 接下来,用户提到的引用1是关于KUKA youBot的逆运动学和路径规划,可能相关但更侧重于机械臂,而引用3提到了移动机器人仿真工具箱,这可能直接相关。引用2是关于扩展卡尔曼滤波的协同定位,可能与状态估计有关,但用户主要需求是仿真方法,所以可能需要重点参考引用3的工具箱。 我需要确认MATLAB是否有内置的四差速机器人模型,或者是否有第三方工具箱。例如,Robotics System Toolbox可能提供相关功能,但用户提到的引用3中的工具箱可能是用户自定义的,需要查看是否支持差速驱动模型。如果用户无法访问该工具箱,可能需要提供基础代码示例。 然后,考虑如何构建仿真。通常包括运动学模型实现、控制输入(左右速)、轨迹生成(如给定目标点,计算左右速)、以及可视化。在MATLAB中,可以使用ODE求解器来模拟机器人的运动,或者使用Simulink进行更复杂的仿真。 代码结构可能包括定义参数(距、半径等),设置初始状态(位置x,y,方向θ),生成控制输入(比如左和右的速度),然后通过运动学模型更新状态,最后绘制轨迹。可能需要使用到欧拉法或更高级的积分方法。 此外,用户可能需要了解如何实现路径跟踪,比如PID控制或更高级的算法,但用户的问题主要是仿真代码示例,所以基础的运动学模型和简单控制可能足够。 需要检查是否有常见的错误点,比如单位转换(转速到线速度)、坐标系的转换(机器人本体坐标系到全局坐标系),以及角度θ的更新是否正确。 最后,结合引用3提到的移动机器人仿真工具箱,如果该工具箱支持四差速模型,可能建议用户参考该资源,否则提供基础代码示例,并提示更复杂的功能可以借助工具箱实现。</think>### 四差速机器人MATLAB仿真方法及代码示例 #### 1. 四差速机器人运动学模型 四差速机器人的运动学方程可表示为: $$ \begin{cases} v = \frac{r}{2}(w_r + w_l) \\ \omega = \frac{r}{L}(w_r - w_l) \end{cases} $$ 其中,$v$为线速度,$\omega$为角速度,$r$为半径,$L$为距,$w_r$和$w_l$为左右转速[^1]。 #### 2. MATLAB仿真代码框架 ```matlab % 参数设置 L = 0.5; % 距(m) r = 0.1; % 半径(m) dt = 0.1; % 时间步长(s) T = 10; % 总时间(s) % 初始状态 x = 0; y = 0; theta = 0; % 控制输入(示例:左2rad/s,右3rad/s) w_l = 2; w_r = 3; % 运动学模型 v = r/2 * (w_r + w_l); omega = r/L * (w_r - w_l); % 轨迹存储 trajectory = zeros(floor(T/dt), 3); % 仿真循环 for i = 1:floor(T/dt) % 更新位姿 theta = theta + omega * dt; x = x + v * cos(theta) * dt; y = y + v * sin(theta) * dt; % 存储轨迹 trajectory(i,:) = [x, y, theta]; end % 可视化 figure; plot(trajectory(:,1), trajectory(:,2)); xlabel('X位置(m)'); ylabel('Y位置(m)'); title('四差速机器人运动轨迹'); ``` #### 3. 扩展功能建议 1. **路径跟踪**:可结合PID控制器实现轨迹跟踪 2. **传感器仿真**:添加编码器、IMU等传感器模型 3. **SLAM集成**:结合引用[2]的协同定位算法 4. **物理引擎**:使用Simulink Multibody或引用[3]的仿真工具箱进行多体动力学仿真
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值